Question

我在keras中有一个CNN模型（用于信号分类）：

    cnn = Sequential()

    cnn.add(Conv1D(10,kernel_size=8,strides=4, padding="same",activation="relu",input_shape=(Dimension_of_input,1)))
    cnn.add(MaxPooling1D(pool_size=3))

    cnn.add(Conv1D(10,kernel_size=8,strides=4, padding="same",activation="relu"))
    cnn.add(MaxPooling1D(2))
    cnn.add(Flatten())

    cnn.add(Dense(2, activation="softmax"))

使用方法＆＃39; model.summary（）＆＃39;，我可以得到每层输出的形状。在我的模型中，最后一个最大池化层的输出是（None，1,30），而flatten layer的输出是（None，30）。

对于每个列车和测试样本：在作为具有30个特征（数字）的特征向量之前，是否有可能将平坦层的输出作为特征向量，然后将其作为密集层的输入？

Answer 1

按以下方式选择最后一层：

last = cnn.layers[-1]

然后使用：

创建一个新模型

inp = Input(shape=(Dimension_of_input,))
features = Model(inp, last)

所以，

feature_vec = features.predict(x_train)

将展平图层的输出作为每个火车样本的特征向量

获取图层的输出作为特征向量（KERAS）

1 个答案: